基于Camshift算法的目標識別與跟蹤.pdf

1、作為計算機視覺領域里的核心研究問題之一，目標識別與跟蹤的研究具有十分重要的理論價值和實際意義。目標識別與跟蹤算法的魯棒性和實時性是衡量算法的標準，滿足這些特性條件的跟蹤所獲得的目標數據可靠，能夠實現(xiàn)良好的環(huán)境監(jiān)控和場景分析。
　　本文研究了Mean-shift算法和Camshift算法這兩種算法的原理及其在跟蹤中的應用，并重點對連續(xù)自適應均值漂移——Camshift跟蹤算法進行研究和分析。鑒于Camshift算法的快速匹配性和對目

2、標的各種姿態(tài)變化的自適應性的優(yōu)點，選用Camshift算法來作為課題研究的基礎算法。但由于基礎Camshift算法易受到背景信息影響，對模板的自適應調整產生干擾，從而破壞模型的準確性，容易造成跟蹤過程目標定位不準確，甚至目標丟失。
　　因此，為了對目標進行準確建模，并且實現(xiàn)目標的準確跟蹤，本文提出了一種改進的Camshift跟蹤策略，依據多區(qū)域關聯(lián)性，將被跟蹤的目標分解為多個子目標，采用CamShift算法對分別對子目標進行定位跟

3、蹤，對目標圖像與跟蹤迭代計算后圖像中的子目標集分別建立距離關聯(lián)矩陣，根據子目標的距離關聯(lián)性，即子目標之間位置信息的相對不變性對定位結果的正確性進行判斷。通過求解優(yōu)化函數的方式對錯誤定位的子目標進行位置校正，根據校正后的子目標集判斷出被跟蹤目標的準確位置。通過僅對正確定位的子目標進行方向和大小的更新，來保證算法對目標的縮放和旋轉變化具有一定的適應性，有效減少背景信息對跟蹤過程的影響。
　　仿真實驗結果表明，該跟蹤方法能夠快速有效地完